检索结果-内蒙古大学图书馆

激光与光电子学进展 2025年第2期62卷 273-282页

作者：孔林锋吴云贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025

视网膜血管的自动化分割在许多眼科疾病的辅助诊断和治疗方面至关重要。针对视网膜血管分割中存在血管丢失、血管断裂和将背景误分割成血管等问题,提出一种结合多方向条状卷积与金字塔双池化的视网膜血管分割方法。首先,使用四方向条状... 详细信息

视网膜血管的自动化分割在许多眼科疾病的辅助诊断和治疗方面至关重要。针对视网膜血管分割中存在血管丢失、血管断裂和将背景误分割成血管等问题,提出一种结合多方向条状卷积与金字塔双池化的视网膜血管分割方法。首先,使用四方向条状卷积模块来加强血管特征提取,其中四方向是指水平、垂直、反对角线和主对角线方向。其次,引入一个金字塔双池化特征融合模块,通过多种尺度的平均池化和最大池化提取特征,并将得到的多尺度特征进行融合,使模型能更全面地理解和利用局部细节和全局上下文。最后,在跳跃连接中使用通道-空间双注意力模块,使模型能更好地关注重要特征。在CHASE-DB1和DRIVE数据集上的实验结果表明,所提方法在受试者工作特征曲线下的面积和准确率评价指标上优于现有主流分割方法,说明其对临床相关眼科疾病的辅助诊断具有一定的应用价值。

关键词：视网膜血管分割四方向条状卷积金字塔双池化通道-空间双注意力

来源：评论

学校读者我要写书评

暂无评论

基于TD3算法的多智能体协作缓存策略

引用

计算机工程 2025年第2期51卷 365-374页

作者：曾建州李泽平张素勤贵州大学计算机科学与技术学院公共大数据国家重点实验室贵州贵阳550025

为了降低移动边缘网络中的内容获取时延和传输开销,提出一种基于双延迟深度确定性策略梯度(TD3)的多智能体协作缓存策略(MACC)。首先构建多智能体边缘缓存模型,将多节点缓存替换问题建模为部分可观测马尔可夫决策过程(POMDP),把相邻节... 详细信息

为了降低移动边缘网络中的内容获取时延和传输开销,提出一种基于双延迟深度确定性策略梯度(TD3)的多智能体协作缓存策略(MACC)。首先构建多智能体边缘缓存模型,将多节点缓存替换问题建模为部分可观测马尔可夫决策过程(POMDP),把相邻节点的缓存状态和内容请求信息融入到各节点的观察空间,提高智能体对环境的感知能力,并通过三次指数平滑法提取各节点内容请求的流行度特征,使得算法能够适应内容流行度变化,从而提高缓存命中率;然后联合本地与相邻节点的传输时延和开销来设计指导性奖励函数,引导智能体进行协作缓存,降低系统的缓存冗余和内容传输开销;最后结合Wolpertinger Architecture方法对TD3算法进行多智能体扩展,使每个边缘节点都能自适应地学习缓存策略,从而提高系统性能。实验结果表明,MACC算法中边缘节点牺牲了部分缓存空间来协助相邻节点缓存请求内容,从而提高缓存命中率,在同一数据集上与MAAC、DDPG、独立TD3算法相比,MACC算法的缓存命中率分别平均提高了8.50%、13.91%和29.21%,并能适应动态的边缘环境,实现较小的内容获取时延和传输开销。

关键词：移动边缘网络多智能体协作缓存深度强化学习 TD3算法

来源：评论

学校读者我要写书评

暂无评论

基于多方计算的安全拜占庭弹性联邦学习

引用

通信学报 2025年第2期46卷 108-122页

作者：高鸿峰黄浩田有亮贵州大学计算机科学与技术学院贵州贵阳550025 贵州大学网络与信息化管理中心贵州贵阳550025 贵州大学公共大数据国家重点实验室贵州贵阳550025

为了解决联邦学习中梯度隐私保护、服务器推理攻击和客户端数据投毒导致的低准确率等问题,针对服务器-客户端的两层架构,提出了一种基于多方计算的安全拜占庭弹性联邦学习方案。首先,提出了一种基于加法秘密共享的两方密文计算方法,对... 详细信息

为了解决联邦学习中梯度隐私保护、服务器推理攻击和客户端数据投毒导致的低准确率等问题,针对服务器-客户端的两层架构,提出了一种基于多方计算的安全拜占庭弹性联邦学习方案。首先,提出了一种基于加法秘密共享的两方密文计算方法,对本地模型梯度进行拆分,来抵抗服务器的推理攻击。其次,设计了一种密态数据下的投毒检测算法和客户端筛选机制来抵御投毒攻击。最后,在MNIST数据集和CIFAR-10数据集上进行实验来验证方案的可行性。与传统的Trim-mean和Median方法相比,当拜占庭参与者比例达到40%时,模型的准确率提升了3%~6%。综上所述,所提方案既能抵御推理攻击和投毒攻击,又能提高全局模型的准确率,足以证明方案的有效性。

关键词：联邦学习隐私保护多方计算推理攻击投毒攻击

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5的密集行人检测算法

引用

计算机工程 2025年第3期51卷 216-228页

作者：胡倩皮建勇胡伟超黄昆王娟敏贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025

针对现有的行人检测方法对于密集行人或小目标行人检测精度低的问题,提出一种基于YOLOv5的综合改进算法模型YOLOv5_Conv-SPD_DAFPN。首先,针对小目标或密集行人的特征信息易丢失这一问题,在骨干网络中引入Conv-SPD网络模块替代原有的跨... 详细信息

针对现有的行人检测方法对于密集行人或小目标行人检测精度低的问题,提出一种基于YOLOv5的综合改进算法模型YOLOv5_Conv-SPD_DAFPN。首先,针对小目标或密集行人的特征信息易丢失这一问题,在骨干网络中引入Conv-SPD网络模块替代原有的跨步卷积,有效缓解特征信息丢失的问题;其次,针对非相邻特征图不直接融合从而引起特征融合率较低的问题,提出新的双层渐进金字塔网络(DAFPN),提高行人检测的准确性和精度;最后,基于EIoU_Loss和CIoU_Loss引入EfficiCIoU_Loss定位损失函数,以调整和提高帧回归率,促进网络模型更快收敛。模型在CrowdHuman和WiderPerson行人数据集上相比于原YOLOv5模型,mAP@0.5、mAP@0.5∶0.95分别提升了3.9、5.3百分点和2.1、2.1百分点;引入EfficiCIoU_Loss后,模型收敛速度分别提升了11%、33%。这些改进使得基于YOLOv5的密集行人检测在特征信息保留、多尺度融合和损失函数优化等方面都取得了显著进展,提高了其在实际应用中的性能和效率。

关键词：密集行人检测小目标行人检测 Conv-SPD网络双层渐进特征金字塔网络 EfficiCIoU_Loss损失函数

来源：评论

学校读者我要写书评

暂无评论

抗攻击的联邦学习隐私保护算法

引用

计算机工程 2025年第2期51卷 179-187页

作者：吴若岚陈玉玲豆慧张洋文龙钟贵州大学省部共建公共大数据国家重点实验室计算机科学与技术学院贵州贵阳550025

联邦学习作为新兴的分布式学习框架,允许多个客户端在不共享原始数据的情况下共同进行全局模型的训练,从而有效保护了数据隐私。然而,传统联邦学习仍然存在潜在的安全隐患,容易受到中毒攻击和推理攻击的威胁。因此,为了提高联邦学习的... 详细信息

联邦学习作为新兴的分布式学习框架,允许多个客户端在不共享原始数据的情况下共同进行全局模型的训练,从而有效保护了数据隐私。然而,传统联邦学习仍然存在潜在的安全隐患,容易受到中毒攻击和推理攻击的威胁。因此,为了提高联邦学习的安全性和模型性能,需要准确地识别恶意客户端的行为,同时采用梯度加噪的方法来避免攻击者通过监控梯度信息来获取客户端的数据。结合恶意客户端检测机制和本地差分隐私技术提出了一种鲁棒的联邦学习框架。该算法首先利用梯度相似性来判断和识别潜在的恶意客户端,减小对模型训练任务产生的不良影响;其次,根据不同查询的敏感性以及用户的个体隐私需求,设计一种基于动态隐私预算的本地差分隐私算法,旨在平衡隐私保护和数据质量之间的权衡。在MNIST、CIFAR-10和MR文本分类数据集上的实验结果表明,与3种基准算法相比,该算法在准确性方面针对sP类客户端平均提高了3百分点,实现了联邦学习中更高的安全性水平,显著提升了模型性能。

关键词：联邦学习中毒攻击推理攻击本地差分隐私隐私保护

来源：评论

学校读者我要写书评

暂无评论

基于零集中差分隐私的联邦学习激励方案

引用

通信学报 2025年第1期46卷 79-92页

作者：李梦倩田有亮张军鹏赵冬梅贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025 贵州大学大数据与信息工程学院贵州贵阳550025 河北师范大学河北省网络与信息安全重点实验室河北石家庄050024

针对联邦学习场景下客户端选择不公平及模型训练低效问题,提出了一种基于激励机制的隐私保护联邦学习框架(zCDP-FL)。该框架将第二价反向拍卖应用到客户端的选择策略,设计了激励机制算法(SRAI),最大化系统效益。此外,采用零集中差分隐私... 详细信息

针对联邦学习场景下客户端选择不公平及模型训练低效问题,提出了一种基于激励机制的隐私保护联邦学习框架(zCDP-FL)。该框架将第二价反向拍卖应用到客户端的选择策略,设计了激励机制算法(SRAI),最大化系统效益。此外,采用零集中差分隐私,提出了隐私预算动态分配算法,实现训练过程中噪声规模的动态调整,在严格隐私计算边界的情况下提供更强的隐私保护。理论分析与仿真实验证明,zCDP-FL能够有效防止隐私泄露,并提升了2.13%~3.62%模型训练效率。

关键词：联邦学习零集中差分隐私激励机制隐私预算动态分配

来源：评论

学校读者我要写书评

暂无评论

面向复杂场景的多尺度行人和车辆检测算法

引用

现代电子技术 2025年第9期48卷 143-153页

作者：王娟敏皮建勇黄昆胡伟超胡倩贵州大学计算机科学与技术学院公共大数据国家重点实验室贵州贵阳550000

为了解决行人和车辆检测任务中由于多尺度和遮挡现象导致漏检的问题,文中提出一种基于YOLOv8的改进检测算法RDRFM-YOLO。对于主干网络,设计RFDRep模块替代卷积和C2f模块,以加强网络对于不同尺度特征的捕获能力;对于颈部网络,设计SFMS模... 详细信息

为了解决行人和车辆检测任务中由于多尺度和遮挡现象导致漏检的问题,文中提出一种基于YOLOv8的改进检测算法RDRFM-YOLO。对于主干网络,设计RFDRep模块替代卷积和C2f模块,以加强网络对于不同尺度特征的捕获能力;对于颈部网络,设计SFMS模块进行优化,以提升模型对遮挡目标的特征提取能力。在自制的行人和车辆数据集上的实验表明,改进的RDRFM-YOLO相较于原始算法有更好的性能表现,同时保持了高效的检测效率。mAP@0.5达到了56.7%,mAP@0.5:0.95达到了37.3%,相比于原始算法分别提高了2.8%和2.3%,参数量和浮点运算量为3.3×10^(6)和9.2×10^(9),相比于原始算法仅增加了0.1×10^(6)和0.3×10^(9)。同时,模型在多个数据集上均有较好的性能表现。

关键词：行人和车辆检测多尺度遮挡 RDRFM-YOLO RFDRep模块 SFMS模块

来源：评论

学校读者我要写书评

暂无评论

面向弥散张量图像的鲁棒可逆水印算法

引用

计算机工程 2025年第5期51卷 279-287页

作者：李丹丹李智郑龙张丽贵州大学计算机科学与技术学院公共大数据国家重点实验室贵州贵阳550025

弥散张量成像(DTI)是一种常用的核磁共振成像技术,为了对弥散张量图像进行版权保护,同时保证弥散张量数据的完整性,提出一种基于黎曼度量的两阶段鲁棒可逆水印算法。为了避免常规欧几里得运算在张量空间中的误差,通过对数-欧几里得变换... 详细信息

弥散张量成像(DTI)是一种常用的核磁共振成像技术,为了对弥散张量图像进行版权保护,同时保证弥散张量数据的完整性,提出一种基于黎曼度量的两阶段鲁棒可逆水印算法。为了避免常规欧几里得运算在张量空间中的误差,通过对数-欧几里得变换,将弥散张量从流形空间映射到对数-欧几里得空间,利用深度学习模型提取弥散张量图像的特征并嵌入水印信息。然后,结合可逆水印算法,在嵌入鲁棒水印后恢复出高质量的弥散张量图像。实验结果表明,该算法能够抵御裁剪、旋转、高斯噪声等攻击,且算法恢复出的弥散张量误差不超过2×10^(-8),峰值信噪比(PSNR)相较于VSTNet算法提高了21%。

关键词：鲁棒水印可逆水印弥散张量图像黎曼度量深度学习

来源：评论

学校读者我要写书评

暂无评论

基于时空图神经网络的CAN总线入侵检测方法

引用

信息网络安全 2025年第3期 478-493页

作者：刘晨飞万良公共大数据国家重点实验室贵阳550025 贵州大学计算机科学与技术学院贵阳550025

现代智能车辆中的控制器局域网(CAN)作为连接各电子控制单元(ECU)的主要通信媒介,因缺乏加密和认证机制而面临多种安全威胁。传统基于深度学习的入侵检测方法在提取CAN消息特征时,未能充分考虑其上下文关系及CAN消息的时序动态变化,导... 详细信息

现代智能车辆中的控制器局域网(CAN)作为连接各电子控制单元(ECU)的主要通信媒介,因缺乏加密和认证机制而面临多种安全威胁。传统基于深度学习的入侵检测方法在提取CAN消息特征时,未能充分考虑其上下文关系及CAN消息的时序动态变化,导致在复杂攻击类型的检测中存在精度不足的问题。因此,文章提出一种基于时空图神经网络的入侵检测方法GNLNet。该方法通过在预定义的时间窗口内利用消息ID构建CAN消息图,并捕捉CAN消息的时序关联,以增强时空信息的建模能力。模型首先利用GraphSage提取局部空间特征,再通过双向图注意力网络加强节点间信息的交互,最后使用长短期记忆网络对数据流的时间序列进行分析,捕捉数据流随时间的动态变化。在Car_hacking和Survival_Analysis两个公开数据集上进行实验。结果表明,GNLNet在检测和分类拒绝服务攻击及模糊攻击等复杂攻击类型时,检测准确率和F1分数均达到99%,优于现有方法。

关键词： CAN总线入侵检测时空图神经网络双向图注意力网络时空分析

来源：评论

学校读者我要写书评

暂无评论

一种基于确定性环境模型的离线强化学习方法

引用

计算机应用研究 2025年第5期42卷 1352-1355页

作者：汤瑞航黄初华秦进贵州大学计算机科学与技术学院公共大数据国家重点实验室贵阳550025

现有的基于模型的离线强化学习方法中,大多着力于研究不同形式的保守主义应用,而忽略了对该类方法至关重要的部分——环境模型的研究。为了补充对环境模型影响的研究,提出了一种基于确定性模型的离线强化学习算法(deterministic model-b... 详细信息

现有的基于模型的离线强化学习方法中,大多着力于研究不同形式的保守主义应用,而忽略了对该类方法至关重要的部分——环境模型的研究。为了补充对环境模型影响的研究,提出了一种基于确定性模型的离线强化学习算法(deterministic model-based offline reinforcement learning,DMO)。首先,DMO针对离线数据与在线模型算法中数据特性的不一致,提出了一种适合离线RL问题的确定性建模环境的方法。其次,DMO使用转移中状态动作对在分布内的程度来衡量整个转移的不确定性,进而提出了基于不确定性衡量的奖励调整和模拟轨迹截断控制方法。DMO在D4RL的十二个机器人控制任务中进行了评估。最终在所有的测试任务中,DMO在以TD3+BC、BEAR、COMBO等算法为基线的比较中实现了8.2%~38%的平均得分提升。

关键词：离线强化学习基于模型的强化学习不确定性度量

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：